Résolution d’un puzzle#

Pour la petite histoire#

C’est un cadeau que j’ai reçu à Noël il y a longtemps sous forme de puzzle. A vrai dire, je n’ai même pas essayé de résoudre le puzzle moi-même. Mais je me suis qu’en scannant les pièces du puzzle (au nombre de neuf), je devrais être en mesure d’écrire un programme pour le résoudre à ma place. Ce document décrit comment je m’y suis pris. D’abord les pièces.

../_images/puzzle_girafe.png

Il ne contient que neuf pièces, chacune d’elle est carrée et chaque côté est soit la tête, soit les jambes d’une girafe pour lesquelles il y a quatre couleurs possibles. L’appariement des pièces ne dépend que des motifs sur les bords de chaque pièce et non de leur forme. La forme finale du puzzle - un grand carré - est connue. Même s’il paraît simple, il existe un grand nombre d’arrangements possibles : il existe 9! façons possibles de placer chaque pièce et à chaque position, chaque pièce peut être tournée 4 fois. Nous oublierons volontairement les symétries car il plus difficile d’en tenir compte dans un programme informatique que de faire l’impasse dessus.

Avant de pouvoir construire la résolution du puzzle, il faut tout d’abord décrire les éléments qui le compose afin de pouvoir les manipuler. C’est l’objet du paragraphe suivant.

Description des pièces#

La description des données suggère deux problèmes. Le premier est l’acquisition et le second leur représentation au sein du programme informatique. Un rapide coup d’oeil sur les images et on détecte facilement qu’il existe 2x4=8 différents bords possibles et qu’une pièce peut simplement être décrite par la donnée de ces quatre bords. Mais les obtenir depuis l’image directement fait appel à des techniques de traitements d’images qui seraient trop longues à mettre en place. Il est beaucoup plus simple de construire un fichier texte dans lequel seront stockées les informations utiles concernant chaque pièce.

Il n’existe pas de manière unique de décrire un bord, le moyen envisagé est le suivant : chaque pièce va être décrite par une chaîne de huit caractères, 4x2 pour être exacte. Chaque bord est décrit par deux lettres, la première H ou B désigne le haut ou le bas de la girafe. La seconde lettre M, O, B ou V désigne la couleur mauve, orange, bleu ou violet. Par exemple, la première pièce HOBBBVHM possède quatre bords définis comme suit :

  • HO = haut orange

  • BB = bas bleu

  • BV = bas violet

  • HM = haut mauve

Mises bout à bout, les descriptions des neuf pièces :

HOBBBVHM
HOBBBVHM
HBBMBVHO
HMBBBVHB
BMBOHBHV
HVBMBOHM
BMBVHBHO
HVHMBBBO
BMHOHVBB

Il ne reste plus qu’à écrire un petit bout de code capable de lire ce fichier puis de construire chaque pièce. Mais avant cela, il faut imaginer une représentation informatique de ces données qui va recevoir l’information lue depuis les chaînes de caractères.

Les classes ne sont pas indispensables d’autant plus que aucun héritage ne sera nécessaire dans ce cas présent. Toutefois, elles simplifient la description de chaque pièce : le puzzle comporte neuf pièces qui chacune possède quatre bords. Le programme contiendra trois classes : PuzzleGirafeBord, PuzzleGirafePiece, PuzzleGirafe, Ces trois classes contiendront à la fois des données et des méthodes qui s’appliquent à ces données.

Bord#

La classe PuzzleGirafeBord ne contient que deux attributs, partie qui désigne la partie du corps de la girafe et couleur, sa couleur. Ce sont les seules données. Il n’y a pas besoin de données supplémentaires pour dire si deux bords peuvent être appariés, ce sera la méthode compatible et incluse dans la classe PuzzleGirafeBord. Deux bords pourront seront compatibles s’ils ont la même couleur et des parties opposées.

def compatible (self, bord) :
        return self.couleur == bord.couleur and self.partie != bord.partie

Piece#

Une pièce est tout d’abord composée de quatre bords, la classe PuzzleGirafePiece doit nécessairement contenir une liste de quatre instances de la classe PuzzleGirafeBord. La seule difficulté consiste à préciser à quel bord de la pièce correspond le premier bord de la liste. On décide de tourner dans le sens trigonométrique.

bord [1]

bord [2]

bord [0]

bord [3]

La description d’une pièce fait également intervenir sa position et son orientation (le fait de tourner la pièce de 0,90,180 ou 270 degrés) par rapport à sa description d’origine. Ce ne sont pas des informations immuables, elles seront le résultat de la résolution du puzzle mais il faut décider où placer ces informations : au sein de la classe PuzzleGirafePiece ou au sein de la classe PuzzleGirafe. Il n’y a pas de meilleur choix, tout dépend de la manière de rédiger l’algorithme ou de comment ces classes seront utilisées par la suite. Dans notre cas, le choix est de les insérer dans la classe PuzzleGirafePiece, ce seront les attributs orientation et position. Ce dernier mérite un peu plus d’attention car son type sera entier et non un t-uple de deux entiers.

La position pourrait être décrite grâce à deux coordonnées entières mais le sera grâce à un seul entier. On obtient les coordonnées comme ceci d’après la position n \in \left\{1,...,0 \right\} :

\begin{array}{rcl} x & = & (n-1 \mod 3) + 1 \\ y & = & \left[\frac{n-1}{3}\right] + 1  \end{array}

Réciproquement, la position n est obtenue à partir des coordonnées (x,y) \in \left\{1,...,3\right\}^2 :

n = (y-1) * 3 + x

La position est un entier dans l’ensemble \left\{1,..,9\right\}. Lors de la résolution, certaines pièces seront placées et d’autres pas encore. La convention choisie pour une pièce non encore placée est de lui affecter une position nulle. Dans ce cas, l’orientation n’a pas d’importance.

La connaissance de l’orientation et de la position de deux pièces permet également de savoir si elles peuvent être voisines étant donné le motif de leur bord conjoint s’il existe. Ce sera l’objectif de la méthode voisin_possible qui retourne True si les deux pièces font bon ménage ensemble. Le premier test porte sur les positions des pièces et de savoir si elles sont effectivement voisines. Pour cela, on calcule la différence d des positions. Les deux pièces sont voisines si d est égale à 1 ou -1 et si les pièces sont sur la même ligne ou que d est égale à 3 ou -3.

def voisin_possible (self, p, a) :
    d = p.position - self.position
    if abs (d) == 1 and (p.position - 1) // 3 == (self.position - 1) // 3 :
        # voisin en x
        return True
    elif abs (d) == 3 :
        # voisin en y
        return True
    else :
        # pas voisin
        return False

Une fois cette condition vérifiée, il reste à vérifier que le bord qu’elles ont en commun ont des motifs appariés. Il faut donc dans un premier temps savoir quels sont les deux bords en contact. Il faut d’abord les nommer, ils seront appelés bord 0, 90, 180, 270 en tournant dans le sens trigonométrique. Lorsqu’on tourne la pièce de 90 degrés, le 0 est à la place du bord 90. En tenant compte de l’orientation, on peut calculer l’indice a” qui tient compte de l’orientation o. Soit a \in \left\{0,90,180,270\right\} le nom du bord cherché et o \in \left\{0,90,180,270\right\} l’orientation de la pièce, dans ce cas a' = \frac{(a - o + 360) \mod 360}{90} \in \left\{0,1,2,3\right\} est l’indice du bord cherché.

\begin{array}{c|c|c} & \girafedec{0}{90}{90} & \\ \hline
\girafedec{90}{180}{90} &
        \begin{array}{c} piece \\ tournee de \\ 90 degres \end{array} &
                \girafedec{270}{360}{90} \\ \hline
& \girafedec{180}{270}{90} &  \end{array}

C’est la correspondance entre a, o, a” lorsqu’une pièce est tournée de 90 degrés dans le sens trigonométrique. Deux pièces sont voisines si elles sont à gauche et droite l’une de l’autre (premier cas) ou en haut et bas l’une de l’autre (second cas).

../_images/s4possi.png

Le dessin permet de trouver les paires d’indices a” qui correspondent aux bords en contact, et connaissant l’orientation de chaque pièce, les indices a des bords en contact. La méthode codes{compatible} de l’un des deux bords dira si effectivement les deux bords en contact sont appariés. Deux pièces sont voisines en x ou en y. Les bords voisins sont dans le premier cas 0 et 180, dans le second, 90 et 270 (indices a”).

Les autres méthodes de la classe PuzzleGirafePiece concernent l’affichage et la création des pièces à partir du format décrit précédemment et stocké dans un fichier texte. Les autres attributs sont également liés à l’affichage, un nom de fichier, et deux images. Leur utilisation sera décrite au paragraphe suivant.

Puzzle#

Avant de construire de chercher à résoudre le problème, il faut s’interroger sur la forme du résultat que l’on cherche. Dans le cas de ce puzzle, ce peut être une liste de 9 pièces et pour chacune d’entres elles, les attributs position et orientation doivent être renseignés ; c’est à dire être compris en 1 et 9 pour la position et dans l’ensemble \acc{0,90,180,270} pour l’orientation.

La classe PuzzleGirafe contiendra donc une liste de PuzzleGirafePiece précédemment décrite et incluera les méthodes nécessaires à la résolution du puzzle. La description du principe général de la résolution interviendra après celles de méthodes simples de la classe PuzzleGirafe.

piece_position

La liste résultante n’est pas forcément ordonnée en ce sens que la pièce en première position dans la liste n’est pas forcément la première pièce du puzzle. C’est l’attribut position de chaque pièce qui détermine la position de celle-ci. La méthode piece_position retourne la pièce à une certaine position donnée ou None si l’algorithme n’a pas encore posé de pièce à cet endroit.

def piece_position (self, pos) :
    for p in self.piece :
        if p.position == pos :
            return p
    return None

ensemble_voisin

Cette méthode a pour objectif de retourner la liste des positions voisines à une position donnée.

../_images/s4vois.png
def ensemble_voisin (self, i) :
    i -= 1
    res = []
    for x in [-1,0,1] :
        for y in [-1,0,1] :
            if abs (x) == abs (y) : continue
            if x == -1 and i % 3 == 0 : continue
            if x == 1  and i % 3 == 2 : continue
            if y == -1 and i / 3 == 0 : continue
            if y == 1  and i / 3 == 2 : continue
            j = i + x + y * 3
            if j in range (0,9) :
                res.append (j)
    return [ j+1 for j in res ]

angle_possible

Il s’agit ici de déterminer une orientation possible pour la pièce p sachant qu’elle est à la position p.position. Dans ce cas, on détermine l’ensemble des positions voisines à p.position, puis l’ensemble des pièces posées sur ces cases voisines. Il ne reste plus qu’à déterminer pour une pièce toutes les orientations qui ne dérogent pas à la règle des appariements de côtés. La fonction retourne une liste d’au plus quatre éléments et vide si une pièce ne peut être placée à la position p.position dans quelque orientation que ce soit.

def angle_possible (self, p, display = False) :
    voisin = self.ensemble_voisin (p.position)
    if display :
        print "voisin = ", voisin
    res = []
    for a in [0,90,180,270] :
        r = True
        for v in voisin :
            piece = self.piece_position (v)
            if piece != None :
                r = r and piece.voisin_possible (p, a)
        if r :
            res.append (a)
    return res

Résolution#

La description des éléments du puzzle est terminée ainsi que quelques manipulations simples. Avant d’entamer la résolution proprement dite, il est sans doute utile de préciser la complexité du problème souvent exprimée par l’étendue de l’ensemble des solutions. Chaque pièce doit être placée à une position donnée parmi 9 dans une orientation donnée parmi 4. Avec 9! permutations, il y a donc potentiellement 9! 4^9 = 18.874.368 solutions envisageables et pour chacune d’elles, il suffit qu’un appariement ne soit pas possible pour que la solution n’en soit pas une.

Il est possible d’explorer l’ensemble des solutions avec les ordinateurs de bureau actuels. Avec 16 pièces, ce serait encore très long (de l’ordre de 10^{23}. En théorie, l’algorithme proposé ne réduit pas forcément le nombre de solutions à explorer, ceci dépend entre autres de l’ordre initial des pièces. En pratique, il permet souvent d’éliminer des sous-ensembles de solutions. Par exemple, supposons que cinq pièces soient déjà placées aux positions 1 à 5. S’il n’est pas possible de placer aucune des autres pièces à la position 6 dans quelque orientation que ce soit, aucune des solutions avec ces cinq pièces ne marchera, soit 6144 solutions non essayées grâce à quelques tests.

La résolution du puzzle passe par la construction d’une fonction récurrente qui s’inspire de celle qu’on utilise pour construire l’ensemble des permutations de \acc{1,...,n}.

Permutations#

Il est assez intuitif de construire par récurrence l’ensemble des permutations de \acc{1, ..., n} à l’instar de la fonction factorielle. Parmi les n! permutations, il y a extactement (n-1)! permutations avec le nombre 1 en première position, il y a aussi (n-1)! avec le nombre 2 en première position et ainsi de suite. En s’aidant de cette constatation, on cherche à construire la fonction permutation(n) qui retourne la liste des permutations de l’ensemble \acc{1, ..., n} par récurrence.

On note P_n les permutations de l’ensemble \acc{1,...,n}. Les premières (n-1)! permutations sont celles où le premier nombre 1 est fixé en première position et où on applique les permutations P_{n-1} à l’ensemble restant \acc{2,...,n}. Les permutations suivantes sont celles où on permute 1 avec 2 et où on applique les permutations à l’ensemble \acc{1,3,4,...,n}. On obtient en continuant ce raisonnement :

première vague de permutations

1 + permutations appliquées à \acc{2,3,4,5, ..., n}

seconde vague de permutations

2 + permutations appliquées à \acc{\mathbf{1},3,4,5, ..., n}

troisième vague de permutations

3 + permutations appliquées à \acc{2,\mathbf{1},4,5 ..., n}

quatrième vague de permutations

4 + permutations appliquées à \acc{2,3,\mathbf{1},5 ..., n}

… .

Le programme complet aboutit à :

def echange (l, i, j) :
    """permutation des éléments i et j de la liste l"""
    t       = l [i]
    l [i]   = l [j]
    l [j]   = t

def applique_permutation (set, p) :
    """applique la permutation p à l'ensemble set"""
    return [ set [k-1] for k in p ]

def permutation (n) :
    if n == 1 : return [ [ 1 ] ]
    else :
        per = permutation (n-1)             # permutation sur {1,...,n-1}
        set = [ i+1 for i in range (0,n) ]  # ensemble de départ
        res = []                            # résultat

        for i in range (0, n) :
            echange (set, 0, i)             # échange élément 0 et i
            for p in per :                  # boucle sur les permutations de {1,...,n-1}
                pr  = [ set [0] ] + applique_permutation ( set [1:], p )
                res.append (pr)             # on l'ajoute au résultat
            echange (set, 0, i)             # échange élément 0 et i

        return res

print (permutation (1)) # retourne [ [ 1 ] ]
print (permutation (2)) # retourne [[1, 2], [2, 1]]
print (permutation (3)) # retourne [[1, 2, 3], [1, 3, 2], [2, 1, 3], [2, 3, 1], [3, 2, 1], [3, 1, 2]]

Application au puzzle#

Il serait simple d’utiliser le programme précédent pour construire l’ensemble des permutations puis de le parcourir en changeant pour chacune d’entre elles les orientations de chaque pièce mais ce système nous ferait évaluer l’ensemble des solutions possibles sans possibilité de le réduire comme suggéré précédemment. Il vaut mieux reprendre le programme précédent et remplacer la fonction permutation de sorte qu’elle explore les solutions au lieu de les retourner comme résultat.

Le principe de la résolution repose sur la récurrence de la méthode codes{solution}. Il y a 4x9 possibilités pour le choix en première position. La méthode solution en choisit une puis appelle la méthode solution sur la seconde position, si celle-ci retourne True alors ce premier choix était le bon, sinon on passe au choix suivant. Au second appel, une pièce est choisie pour la seconde position puis on appelle encore la méthode solution. Le schéma est le suivant :

  • On calcule la liste des choix pour la position p.

  • Si cet ensemble est vide, on retourne False, il n’y a pas de solution possible dans cette voie.

  • Sinon on choisit la première possibilité.

  • On appelle la méthode solution pour la position p+1.

  • Si cette méthode retourne True, une solution a été trouvée.

  • Sinon, on passe au choix suivant jusqu’à ce qu’il n’y en ait plus.

L’implémentation proposée ne suit pas tout-à-fait ce schéma puisqu’on ne calcule pas l’ensemble des choix possibles au début de la méthode solution mais on calcule un premier choix meilleur_choix en tenant des compte des pièces déjà placées dans la liste free. Si la solution finale utilise cette pièce, c’est terminé sinon, la fonction meilleur_choix est appelée une seconde fois pour obtenir un second choix de pièce en tenant compte des pièces placées et essayées.

../_images/girafe_tout.png

On peut représenter les appels dus à la récursion sous forme de graphe. Chaque noeud représente un nouvel appel à la méthode codes{solution}. Chaque noeud est relié par un arc au noeud précédent l’ayant appelé. Une branche - le chemin depuis la racine jusqu’à une feuille - longue de moins de 9 noeuds signifie qu’une contradiction est apparue avant de placer toutes les pièces, ceci signifie qu’il n’était pas nécessaire d’explorer toutes les branches passant par les derniers noeuds intermédiaires. Une branche de 9 noeuds signifie que la contradition est apparue sur la dernière pièce et une seule branche de 9 noeuds a mené à la solution trouvée.

../_images/girafe_graph.png

La résolution du puzzle en vidéo :